本發(fā)明屬于通信對抗中直接序列擴(kuò)頻信號的盲參數(shù)估計領(lǐng)域，具體涉及非合作通信下短碼擴(kuò)頻長碼加擾的多用戶周期直擴(kuò)信號的偽碼估計方法。
背景技術(shù)：
直接序列擴(kuò)頻(Direct Sequence Spread Spectrum，DSSS)是擴(kuò)頻通信技術(shù)的主要方式之一。它具有抗干擾能力強(qiáng)，保密性好，易于碼分多址等優(yōu)點(diǎn)，在軍事、民用通信中具有廣泛應(yīng)用。根據(jù)信號結(jié)構(gòu)，DSSS信號可分為：短碼直擴(kuò)信號，長碼直擴(kuò)信號，短碼擴(kuò)頻長碼加擾直擴(kuò)信號(簡稱為長短碼直擴(kuò)信號)。
在通信對抗中，正是由于直擴(kuò)信號的抗干擾能力強(qiáng)、隱蔽性好等特點(diǎn)，使得非合作通信情況下的直擴(kuò)信號偵測和盲參數(shù)估計相當(dāng)困難。在非合作通信中，偽隨機(jī)(PN)碼估計是信息截獲的前提和關(guān)鍵。短碼直擴(kuò)信號的PN碼估計研究已比較成熟，長碼直擴(kuò)信號的PN碼估計研究也已經(jīng)取得了一定的成果。但長短碼直擴(kuò)信號由于結(jié)構(gòu)復(fù)雜、保密性更強(qiáng)，給PN碼估計帶來了更大的困難和挑戰(zhàn)。
現(xiàn)有的直擴(kuò)信號擴(kuò)頻碼估計方法主要有：相關(guān)矩陣特征分解法、神經(jīng)網(wǎng)絡(luò)法、匹配濾波法和三界相關(guān)法。對于多用戶長短碼直擴(kuò)信號，其中不僅包含多個用戶，且各個用戶中又包含兩個偽碼，上述方法均不適用。目前關(guān)于多用戶長短碼直擴(kuò)信號的偽碼估計研究還處于起步階段，需要更深入的探索。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的是針對非合作通信中無法估計多用戶周期長短碼直擴(kuò)信號的偽碼問題，提出一種基于Fast-ICA算法和三階相關(guān)的偽隨機(jī)碼盲估計方法，從而解決了多用戶周期長短碼直擴(kuò)信號的偽碼估計問題。
本發(fā)明中多用戶周期長短碼直擴(kuò)信號偽碼盲估計方法的步驟是：
步驟1、將多用戶周期長短碼直擴(kuò)信號以擴(kuò)頻碼碼片速率采樣轉(zhuǎn)化為基帶信號，根據(jù)短擴(kuò)頻碼和長擾碼周期對基帶信號分段并構(gòu)建成盲分離模型，通過快速獨(dú)立成分分析(Fast-ICA)算法分離得到各用戶混合PN序列片段；
步驟2、估計第一個用戶的混合PN序列時，拼接分離得到的序列片段得到完整的混合PN模糊序列，利用m序列的移位疊加性，采用二次延遲相乘法消除信息碼和擴(kuò)頻碼影響；
步驟3、結(jié)合分圓陪集理論計算延遲信號的三階相關(guān)函數(shù)值，得到可能的峰值點(diǎn)坐標(biāo)；
步驟4、計算可能峰值點(diǎn)坐標(biāo)集合處的正反向三階相關(guān)函數(shù)平均值，最大平均值所對應(yīng)的序列即為正確的用戶混合PN序列；
步驟5、根據(jù)矩陣斜消法完成用戶的擾碼估計，對用戶的混合PN序列解擾，用分段延遲互相關(guān)法完成擴(kuò)頻碼估計；
步驟6、清除步驟1中的已估計用戶的所有混合PN序列片段，重復(fù)步驟2-5即可依次得到所有用戶的混合PN序列、擾碼和擴(kuò)頻碼。
本發(fā)明充分利用多用戶周期長短碼直擴(kuò)信號的結(jié)構(gòu)特點(diǎn)，通過信號分段構(gòu)建盲分離模型，通過Fast-ICA算法實現(xiàn)各用戶混合PN序列片段的分離。
本發(fā)明將得到的全部混合PN序列片段按順序拼接，得到全部可能的混合PN模糊序列，則正確的用戶混合PN序列必定存在于其中。
本發(fā)明通過兩次延遲相乘法消除信息碼影響和擴(kuò)頻碼影響，從而可通過三階相關(guān)特性估計擾碼。結(jié)合分圓陪集理論計算信號的三階相關(guān)函數(shù)來確定可能峰值點(diǎn)，大大降低了計算復(fù)雜度和減少了計算量。
本發(fā)明為減少噪聲對偽碼估計的影響，利用峰值點(diǎn)的性質(zhì)，計算可能峰值點(diǎn)坐標(biāo)處的正反向三階相關(guān)函數(shù)的平均值，從而提高了正確混合PN序列的搜索精度。
本發(fā)明將每個峰值點(diǎn)表示為多項式形式，并兩兩求最大公約式，則可以得到信號長擾碼的本原多項式估計。
本發(fā)明在估計得到信號的長擾碼之后，利用m序列的線性移位疊加特性，巧妙分段，利用分段相關(guān)法對信號解擾，再通過分段延遲互相關(guān)的信號同步法實現(xiàn)擴(kuò)頻碼估計。
本發(fā)明的有益效果是：
1、將多用戶周期長短碼直擴(kuò)信號建模為盲源信號分離問題，通過該建?？梢詫⒔Y(jié)構(gòu)復(fù)雜的信號模型簡化。
2、通過兩次延遲相乘法消除了信息碼和擴(kuò)頻碼對長擾碼估計的影響，利用m序列的三階相關(guān)特性、分圓陪集理論、峰值點(diǎn)性質(zhì)等，不僅運(yùn)算量減低，還大大提高了確定混合PN序列的準(zhǔn)確度，從而提高擾碼估計性能。
3、在混合PN序列解擾后，用分段延遲互相關(guān)的信號同步法完成對短擴(kuò)頻碼估計，最終實現(xiàn)了信號中各用戶的長擾碼和短擴(kuò)頻碼的估計。
具體實施方式
下面進(jìn)一步詳細(xì)說明本發(fā)明的實施步驟。
多用戶周期長短碼直擴(kuò)信號的偽碼盲估計方法，具體包括如下步驟：
步驟1、將多用戶周期長短碼直擴(kuò)信號以擴(kuò)頻碼碼片速率采樣轉(zhuǎn)化為基帶信號，根據(jù)短擴(kuò)頻碼和長擾碼周期對基帶信號分段并構(gòu)建成盲分離模型，通過快速獨(dú)立成分分析(Fast-ICA)算法分離得到各用戶混合PN序列片段；具體如下：
1-1.將接收到的多用戶周期長短碼直擴(kuò)信號以擴(kuò)頻碼碼片速率采樣，則第i個用戶的基帶信號表示為：
ui(n)＝Aidi(n)hi(n)ki(n),n＝1,2,3…N (1)
其中，n為采樣時刻，N為基帶信號長度；Ai為第i個用戶的信號幅度；di(n)、hi(n)、ki(n)分別表示第i個用戶的信息碼、擴(kuò)頻碼以及擾碼。擴(kuò)頻碼選用周期為Ls的OVSF碼，擾碼選用周期為Ll的m序列，且滿足條件Ll＝VLs，其中V是一個正整數(shù)。所有用戶具有相同的擴(kuò)頻碼周期和擾碼周期，則每個用戶信號可分成Z＝N/Ll個片段。
多用戶周期長短碼直擴(kuò)信號表示為：
其中M是用戶個數(shù)，w(n)是零均值高斯白噪聲，方差為σ2。
1-2.根據(jù)短擴(kuò)頻碼和長擾碼周期對基帶信號分段并構(gòu)建成盲分離模型，具體如下：
首先根據(jù)擾碼周期，將接收信號分成Z＝N/Ll個序列片段，每個序列片段長度為Ll，可看成Z個陣元接收到的信號。再根據(jù)擴(kuò)頻碼周期對每個陣元信號分段，得到V＝Ll/Ls個序列片段，長度為Ls。則第v個片段的接收信號可表示為：
構(gòu)建成盲分離模型：
r(v,a)＝A(v)B(v,a)+W(v,a),a＝1,2,3,…,Ls (4)
其中
B(v,a)＝[s1(v,a) s2(v,a) … sM(v,a)]T；si(v,a)＝hi(a)ki((v-1)·Ls+a)；
W(v,a)＝[w1((v-1)·Ls+a) w2((v-1)·Ls+a) … wZ((v-1)·Ls+a)]T；
用Fast-ICA算法分離得到各用戶混合PN序列片段，記為i＝1,2,…M，v＝1,2,…V。
步驟2、估計第一個用戶的混合PN序列時，拼接分離得到的序列片段得到完整的混合PN模糊序列，利用m序列的移位疊加性，采用二次延遲相乘法消除信息碼和擴(kuò)頻碼影響。具體如下：
2-1.將步驟1中分離得到的序列片段按順序拼接即可得到MV個不同的模糊序列αt(n)，t＝1,2,…MV，長度為Ll，αt(n)表示為：
其中i1,i2,…iV＝1,2,…M。所有的αt(n)是由V個連續(xù)的子段拼接構(gòu)成的但只有M個是所求的用戶混合PN序列，這M個特殊序列記為
2-2.估計第一個用戶的混合PN序列，假設(shè)為用戶的第一個序列片段，則該用戶的可由(V-1)M個剩余子段來拼接，其中i2,…iV＝1,2,…M，中的t＝1,2,…MV-1。
2-3.為消除信息碼和擴(kuò)頻碼對擾碼估計的影響，利用m序列的移位疊加特性，兩次延遲相乘：
步驟3、結(jié)合分圓陪集理論計算延遲信號的三階相關(guān)函數(shù)值，得到可能的峰值點(diǎn)坐標(biāo)。
確定擾碼的分圓陪集，假設(shè)存在J個有限集，將這J個有限集的陪集頭記入集合{ηj|j＝1,2,3,…,J}。計算延遲相乘得到的延遲信號的正向三階相關(guān)函數(shù)(TCF)，其中t＝1,2,…MV-1：
其中j＝1,2,…J，q＝1,2,…Ll，找到J個最大的對應(yīng)的坐標(biāo)，即最有可能的TCF峰值點(diǎn)坐標(biāo)，記入集合
步驟4、計算可能峰值點(diǎn)坐標(biāo)集合處的正反向三階相關(guān)函數(shù)平均值，最大平均值所對應(yīng)的序列即為正確的用戶混合PN序列；
m序列正、反向三階相關(guān)函數(shù)具有C+(p,q)＝C-(p,p-q)(其中p＞q)的性質(zhì)，即若(p,q)是正向TCF峰值點(diǎn)，則(p,p-q)是反向TCF峰值點(diǎn)坐標(biāo)。為降低噪聲對擾碼估計的影響，可利用這一性質(zhì)來提高PN混合序列的搜索精度，利用下式計算正反向三階相關(guān)函數(shù)平均值：
步驟5、根據(jù)矩陣斜消法完成用戶的擾碼估計，對混合PN序列解擾，用分段延遲互相關(guān)法完成擴(kuò)頻碼估計；
找到最大的其對應(yīng)的模糊序列就是要求的第一個用戶的混合PN序列。將求得的混合PN序列對應(yīng)的每個峰值點(diǎn)表示為多項式形式，并兩兩求最大公約式，從而得到信號長擾碼的本原多項式估計。隨后對混合PN序列解擾，并用分段延遲互相關(guān)的信號同步法完成對短擴(kuò)頻碼估計。
步驟6、清除步驟1中的已估計用戶的所有混合PN序列片段，重復(fù)步驟2-5即可依次得到所有用戶的混合PN序列、擾碼和擴(kuò)頻碼。
通過步驟2重構(gòu)(M-1)V-1個可能的和其中t＝1,2,…(M-1)V-1，得到第二個用戶的混合PN序列，再通過步驟3-5估計出第二個用戶的擾碼和擴(kuò)頻碼。重復(fù)以上過程即可得到所以用戶的PN混合序列、擾碼和擴(kuò)頻碼，最終完成多用戶周期長短碼直擴(kuò)信號的偽碼估計。